Spatial analysis of two aquatic invaders in Adirondack Lakes: a modelling approach for environmental management
Notice bibliographique
Résumé
The global expansion of humans has stressed the natural world, removed boundaries between continents and habitats and exposed natural areas to invasive species. These cause billions of dollars of damage yet there are limited funds given for their management. Predictive tools can be used to develop pro-active strategies for managing invasive species and this study developed such a tool. Publicly available data were used to build predictive models for the presence of two invasive species, curly-leaf pondweed (Potamogeton crispus) and Eurasian watermilfoil (Myriophyllum spicatum) within the Adirondack Park (New York State). Predictors were identified through: bivariate analysis to test the variables; ordinary least squares regression to build predictive models and logistic regression to validate those models; geographically weighted logistic regression to evaluate local impacts. Models were ranked by Aikake information criterion minimization and evaluated with McFadden’s rho-squared, standard coefficients and variance inflation factors. The top five models for each invasive species established seven predictors for curly-leaf pondweed and nine predictors for Eurasian watermilfoil. Geographically weighted regression, a local analysis, was found to be a definite improvement over the global analysis for watermilfoil but not for pondweed. Two predictors (lake elevation and distance to Interstate-87) were significant in all the top models for both species. The identified predictors provided a group of characteristics that could be used to identify vulnerable lakes and prioritize management strategies. Even though these findings were specific to the Adirondack Park, this approach could be applied to other invasive species or other areas to help in the decision-making process for management.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».